Desenvolvimento de Agentes de IA com Python

Conteúdo do curso

Fundamentos de IA Generativa

• Conceitos de IA generativa e modelos de linguagem
• Diferenças entre chatbot, assistente e agente inteligente
• Estrutura e aplicações corporativas de agentes
• Integração com OpenAI, Azure OpenAI, Gemini e outros modelos

Engenharia de Prompt

• Estrutura de prompts profissionais
• System, User e Assistant Prompt
• Técnicas Zero-shot, One-shot e Few-shot
• Definição de contexto, regras e formato de saída
• Respostas estruturadas em JSON
• Redução de alucinações e prevenção contra Prompt Injection
• Testes e versionamento de prompts

Tokens, Custos e Limites

• Tokens de entrada e saída
• Janela de contexto
• Cálculo de consumo e custo por requisição
• Controle de limites e monitoramento de uso
• Comparação entre modelos
• Estratégias para redução de custos

Integração com Modelos de IA

• Consumo de APIs de IA com Python
• Configuração de chaves e variáveis de ambiente
• Parâmetros de temperatura, contexto e resposta
• Tratamento e validação de respostas
• Integração com múltiplos provedores
• Estratégias Multi-LLM

Function Calling e Ferramentas

• Criação de funções para agentes
• Definição de parâmetros e esquemas
• Validação e execução segura de funções
• Integração com APIs e bancos de dados
• Realização de cálculos e automações
• Tratamento de erros e controle de permissões

Memória e Contexto

• Memória de curto e longo prazo
• Histórico e persistência de conversas
• Resumo e controle da janela de contexto
• Expiração e limpeza de sessões
• Armazenamento em PostgreSQL ou MongoDB
• Proteção de dados sensíveis

RAG e Bancos Vetoriais

• Conceitos de RAG e embeddings
• Leitura e preparação de documentos
• Chunking e indexação de conteúdos
• Busca por similaridade
• Recuperação de informações relevantes
• Respostas fundamentadas em documentos
• Referência às fontes e redução de alucinações
• Criação de bases de conhecimento corporativas

Arquitetura de Agentes

• Componentes e ciclo de execução de um agente
• Planejamento e tomada de decisão
• Agentes especializados e agente supervisor
• Delegação e orquestração de tarefas
• Workflows inteligentes
• Controle de estado
• Execução sequencial e paralela
• Human-in-the-loop

Fallback e Resiliência

• Modelos principal e alternativo
• Troca automática entre provedores
• Fallback entre OpenAI, Azure OpenAI e Gemini
• Tratamento de indisponibilidade e limites de requisição
• Timeout, retry e backoff progressivo
• Circuit Breaker
• Registro de falhas e respostas alternativas

APIs com FastAPI

• Criação de APIs REST para agentes
• Validação de dados com Pydantic
• Endpoints síncronos e assíncronos
• Documentação com Swagger
• Tratamento global de exceções
• Autenticação e autorização
• Integração com IA e bancos de dados
• Organização do projeto em camadas

Mensageria com RabbitMQ

• Filas, produtores e consumidores
• Processamento assíncrono de tarefas
• Criação de workers para agentes
• Retentativas automáticas
• Dead Letter Queue
• Idempotência
• Monitoramento e processamento distribuído

Persistência e Monitoramento

• Armazenamento de usuários, sessões e conversas
• Registro de prompts e respostas
• Persistência de memória
• Controle de tokens e custos
• Auditoria das funções executadas
• Integração com PostgreSQL e MongoDB
• Estratégias de cache
• Logs, métricas e rastreabilidade

Docker e Deploy

• Criação de Dockerfile
• Containerização de aplicações Python
• Configuração com Docker Compose
• Integração entre API, banco de dados e RabbitMQ
• Variáveis de ambiente e segredos
• Preparação para produção
• Publicação e monitoramento em Azure

Projeto Prático

Desenvolvimento de uma aplicação corporativa contendo:

• API REST com FastAPI
• Integração com múltiplos modelos de IA
• Engenharia de Prompt
• Function Calling
• Memória e contexto
• RAG com documentos e banco vetorial
• Cálculo de tokens e custos
• Estratégia de fallback
• Tratamento de erros e retentativas
• Persistência de dados
• RabbitMQ
• Docker e Docker Compose
• Logs, segurança e monitoramento